Elon Musk 引用 Artificial Analysis 评测称，Grok 4.7 使 xAI 在智能体编码上排名第三，仅次于 Anthropic 和 OpenAI。
同一件事，精选收录的是《Artificial Analysis 评测 Grok 4.7：智能指数 46 分进入前四，编码智能体升至第 4》
Grok 4.7 在智能体编程方面将 @SpaceXAI 排在第三位，仅次于 Anthropic 和 OpenAI。
考虑到 Grok 速度显著更快且成本更低，它是你日常主力干活的绝佳选择。
Grok 4.7 在 Artificial Analysis Intelligence Index 上得分 46，将 SpaceXAI 带入前 4 大 AI 实验室之列。Coding Agent Index 表现也有所提升，超越了 GPT-5.6 Sol Grok 4.7 在 Intelligence Index 上比 Grok 4.6 高出 +2 分，在智能体知识工作任务上表现强劲。我们在 xhigh 推理强度下评估了这款新模型。 祝贺 @SpaceXAI 和 @ElonMusk 发布！ 核心要点： ➤ Grok 4.7 跻身智能体知识工作前沿：Grok 4.7 在 AA-Briefcase（我们用于长时程智能体知识工作的私有基准）上比 Grok 4.6（high）提升 +111 Elo，得分 1657 Elo，与 Claude Opus 5 和 Claude Fable 5.1 一同位列前沿。在 GDPval-AA 上，它得分 1695 Elo，领先 Grok 4.6（high）+90。 ➤ 编码智能体性能的飞跃：Grok 4.7（xhigh）搭配 Grok Build 在 Artificial Analysis Coding Agent Index 上得分 56，比 Grok 4.6（xhigh）提升 +9 分。在原生 harness 中的模型里，Grok 4.7 + Grok Build 目前排名第 4，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。 ➤ 其他方面的渐进式性能变化：在智能体知识工作之外，Grok 4.7 在 Intelligence Index 的其他任务上大体与 Grok 4.6（high）持平。它在 Terminal-Bench 4.0（+4.5 个百分点）和 GDP.pdf（+3.0 个百分点）上有所提升，但在 AA-LCR（-3.7 个百分点）和 AutomationBench-AA（-1.1 个百分点）上出现退步。 ➤ 任务中 token 使用量偏高：Grok 4.7 的性能提升伴随着更高的 token 消耗。Grok 4.7（xhigh）在每项 Intelligence Index 任务中约使用 81k 输出 token，而 Grok 4.6（high）为 36k，GPT-6 Astra（max）为 27k——分别多出 125% 和 196%。 其他模型细节： ➤ 上下文窗口为 500k token，与 Grok 4.6 保持一致 ➤ 定价为每 1M 输入/输出 token 2 美元/6 美元，缓存命中可享受折扣，降至每 1M token 0.50 美元，与 Grok 4.6 相同 ➤ 可配置的推理强度从 low 到 xhigh。我们的评估使用 xhigh。
原文
Grok 4.7 scores 46 on the Artificial Analysis Intelligence Index to bring SpaceXAI into the top 4 AI labs. Coding Agent Index performance has also improved, overtaking GPT-5.6 Sol Grok 4.7 scores +2 points over Grok 4.6 on the Intelligence Index, with strong performance on agentic knowledge work tasks. We evaluated the new model at xhigh reasoning effort. Congratulations to @SpaceXAI and @ElonMusk on the release! Key takeaways: ➤ Grok 4.7 joins the frontier of agentic knowledge work: Grok 4.7 gains +111 Elo over Grok 4.6 (high) on AA-Briefcase, our private benchmark for long-horizon agentic knowledge work, scoring 1657 Elo and placing it alongside Claude Opus 5 and Claude Fable 5.1 at the frontier. On GDPval-AA, it scores 1695 Elo, +90 ahead of Grok 4.6 (high). ➤ A leap in coding agent performance: Grok 4.7 (xhigh) with Grok Build scores 56 on the Artificial Analysis Coding Agent Index, up +9 points from Grok 4.6 (xhigh). Among models in their native harnesses, Grok 4.7 + Grok Build now ranks 4th, behind only Claude Fable 5.1, GPT-6 Astra, and Claude Opus 5. ➤ Incremental performance changes elsewhere: Outside of agentic knowledge work, Grok 4.7 broadly matches Grok 4.6 (high) on the other Intelligence Index tasks. It improves on Terminal-Bench 4.0 (+4.5 percentage points) and GDP.pdf (+3.0 p.p.), with regressions on AA-LCR (-3.7 p.p.) and AutomationBench-AA (-1.1 p.p.). ➤ High token use across tasks: Grok 4.7's gains come with higher token usage. Grok 4.7 (xhigh) uses approximately 81k output tokens per Intelligence Index task, compared with 36k for Grok 4.6 (high) and 27k for GPT-6 Astra (max) - 125% and 196% more, respectively. Other model details: ➤ Context window of 500k tokens, unchanged from Grok 4.6 ➤ Pricing of $2/$6 per 1M input/output tokens with cache hits discounted to $0.50 per 1M tokens, matching Grok 4.6 ➤ Configurable reasoning effort spans low to xhigh. Our evaluation uses xhigh.
来源：Elon Musk · x.com